一、神经网络
当前常用的语音识别框架如下图
其背后的逻辑是
在特征提取时采用的神经网络里面的DNN技术
DNN技术可以分为两种,一种是CNN模型,一种是RNN模型
二、解码器
2.1 声学模型
常用的声学模型为GMM-HMM,即混合高斯模型-隐马尔科夫模型
HMM模型对时序信息进行建模,在给定HMM的一个状态后,GMM对属于该状态的语音特征向量的概率分布进行建模。
2.2 词典
字典:就是发音字典,中文中就是拼音与汉字的对应,英文中就是音标与单词的对应
用途:
根据声学模型识别出来的音素,在字典中来找到对应的汉字(词)或者单词,用来在声学模型和语言模型建立桥梁,将两者联系起来。
比方如下词语的映射表:
2.3 语言模型
语言模型是针对某种语言建立的概率模型,是用来计算一个句子的概率的概率模型。
划分以下两种:
2.3.1 N元统计语言模型:N-gram模型、平滑化
2.3.2 神经网络语言模型:
与统计语言模型不同的是,神经网络语言模型不通过计数的方法对nn元条件概率进行估计,而是直接通过一个神经网络对其建模求解。
用途:
1、决定哪一个词序列的可能性更大
2、已知若干个词,预测下一个词
例子:
1、I went to a party.
Eye went two a bar tea.
2、你现在在干什么?
本网站的文章部分内容可能来源于网络和网友发布,仅供大家学习与参考,如有侵权,请联系站长进行删除处理,不代表本网站立场,转载者并注明出处:https://jmbhsh.com/baihuo725/34296.html